造影剂和分子成像

卵巢癌是老年妇女的一种严重疾病。数据显示，乳腺癌是导致妇女死亡的第七大原因，也是全球第五大最常见疾病。许多研究人员使用人工神经网络(ANNs)对卵巢癌进行分类。医生认为分类的准确性是做决定的一个重要方面。医生认为提高分类的准确性可以提供适当的治疗。早期和准确的诊断可以降低死亡率和挽救生命。在感兴趣区域分割的基础上，提出了一种基于快速区域卷积神经网络的注解卵巢图像分类方法。输入的照片分为三类:上皮细胞、胚芽细胞和基质细胞。该图像被分割和预处理。之后，使用FaRe-ConvNN执行注释过程。 For region-based classification, the method compares manually annotated features as well as trained feature in FaRe-ConvNN. This will aid in the analysis of higher accuracy in disease identification, as human annotation has lesser accuracy in previous studies; therefore, this effort will empirically prove that ML classification will provide higher accuracy. Classification is done using a combination of SVC and Gaussian NB classifiers after the region-based training in FaRe-ConvNN. The ensemble technique was employed in feature classification due to better data indexing. To diagnose ovarian cancer, the simulation provides an accurate portion of the input image. FaRe-ConvNN has a precision value of more than 95%, SVC has a precision value of 95.96%, and Gaussian NB has a precision value of 97.7%, with FR-CNN enhancing precision in Gaussian NB. For recall/sensitivity, SVC is 94.31 percent and Gaussian NB is 97.7 percent, while for specificity, SVC is 97.39 percent and Gaussian NB is 98.69 percent using FaRe-ConvNN.

目的．本研究旨在评估双示踪剂的疗效[⁶⁸ga - dota生长抑素受体类似物(ssa)和¹⁸f -氟脱氧葡萄糖(FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)成像检测胃肠胰腺神经内分泌肿瘤(GEP-NENs)患者骨转移(BMs)。方法．我们回顾性地招募了来自两个中心的74例患有脑转移的GEP-NEN患者，这些患者于2014年1月至2021年3月期间接受了双示踪PET/CT检查。我们比较和分析了PET/CT双显像技术在脑转移的有效性，基于¹⁸F-FDG和⁶⁸Ga-DOTA-SSAs。具体来说，我们分析了成像结果使用χ²分类变量检验，脑转移数量的配对样本检验，病变数量的Wilcoxon 's符号秩检验，标准摄取值(SUV)比值比较的Kruskal-Wallis检验。采用Spearman相关系数分析双示踪剂SUVmax与Ki-67指数的相关性。结果．不同病理患者双示踪PET/CT成像对肝转移和脑转移的检测效率在神经内分泌肿瘤(NET) G3组，⁶⁸ga - dota - ssa在检测NET G3 ( 对于越野车_{T / B}而且 对于转移性病变的数量)。此外，成骨组、骨溶解组、无变化组(骨SUV)差异均有统计学意义_{T / B}由¹⁸成骨组F-FDG、Ki-67指数<骨溶解组;骨骼越野车_{T / B}检测到⁶⁸ga - dota - ssa，成骨组>为无变化组)。肝脏和骨骼SUVmax与Ki-67指数呈正相关¹⁸F-FDG成像( 肝; 对于骨骼)，在中呈负相关⁶⁸ga - dota - ssa成像( 肝; 骨)。结论．⁶⁸Ga-DOTA-SSAs优于¹⁸F-FDG用于检测NET G1/G2(良好和中等分化的NETs)以及NET G3(低分化的NETs)中的脑转移。成骨组分化较好。此外，双示踪PET/CT成像结果与肿瘤分化有显著相关性。

随着中药熏蒸法的不断完善，越来越多的人开始研究中药熏蒸法治疗腰椎间盘突出症。为了阐明TCMF对LIDH的热力学机理，为个体化诊断提供模型参考，采用微处理器编制了下控系统，采用VB计算机技术编制了上控系统。在该系统中，上层控制系统将患者的医疗信息记录在数据库中，下层控制系统将临床诊断和治疗经验打包在数据库中。仿真结果和临床实例表明，TCMF新型控制系统对LIDH患者具有较好的临床疗效，不仅有效改善了LIDH患者的疼痛症状，而且经济、安全。

客观的．目的探讨超声造影(CEUS)定量评价大鼠髌腱愈合过程中血管生成的效果。方法．本研究共使用40只sd大鼠。切开缝合的30只大鼠(60只肢体)髌骨肌腱作为手术组，分别于7、14、28 d进行监测。取10只大鼠(20只肢体)正常髌腱作为对照组，于第0天进行监测。采用超声检查评估髌腱结构及血流灌注情况。免疫组化评价血管新生，生物力学试验验证髌腱功能恢复。结果．与对照组相比，手术组肌腱明显增厚(< 0.01)。术后各时间点肌腱超声造影峰值强度(PI)有明显差异(< 0.01)。手术组PI在第7天达到最大值，随后逐渐下降，直到第28天，对照组PI接近基本强度(BI) (> 0.05)。这与代表损伤髌骨肌腱血管生成的cd31阳性染色区变化一致。PI与cd31阳性染色面积分数(R= 0.849,< 0.001)。手术组修复后的髌腱断裂负荷和抗拉强度随时间增加。PI与失效载荷呈负相关(R=−0.787,< 0.001)和抗拉强度(R=−0.714,< 0.001)。结论．超声造影PI可定量反映愈合部位血供随时间的变化，PI与愈合肌腱的组织学和生物力学性质相关。对比增强超声定量分析是评价愈合肌腱血管生成的有效方法。

人工智能(AI)已成功应用于许多现实生活领域，解决复杂问题。随着机器学习(ML)范式的发明，研究人员可以方便地根据过去的数据预测结果。如今，ML在早期发现有症状的病例，并警告人们未来的影响，成为对抗COVID-19大流行的最大武器。据观察，由于检测设施短缺和检测报告延迟，COVID-19在短时间内在全球范围内爆发。为了应对这一挑战，人工智能可以有效地应用于生产快速且具有成本效益的解决方案。许多研究人员提出了基于人工智能的初步诊断解决方案，使用胸部CT图像、呼吸声音分析、有症状者与无症状者的语音分析等。一些基于人工智能的应用程序声称，在预测covid -19阳性的几率方面具有良好的准确性。在短时间内，关于COVID-19的鉴定发表了大量研究工作。本文仔细检查并提出了来自各种知名来源的110多篇论文的全面调查，即施普林格，IEEE, Elsevier, MDPI, arXiv和medRxiv。本次调查选择的大多数论文都介绍了基于胸部x光片和CT扫描图像的深度学习模型，用于检测和分类COVID-19的坦率工作。 We hope that this survey covers most of the work and provides insights to the research community in proposing efficient as well as accurate solutions for fighting the pandemic.

腋窝淋巴结的检测对乳腺癌淋巴结转移的分期和预后至关重要。目前定位前哨淋巴结(sln)的常规方法为淋巴闪烁术和蓝染术，但均具有侵入性，只能在手术中进行。本研究以环糊精基聚酯为高松弛度T，制备了一种新型杂化氧化钆纳米颗粒涂层₁磁共振分子成像(MRMI)造影剂(CA)。雌性BALB/c小鼠12只，随机分为3组，每组4只;各组均注射4T₁三维T图诊断转移淋巴结₁W (VIBE) MRI(西门子3T, Prisma)。合成的Gd₂O_3.粒径范围为20-40 nm的@PCD纳米颗粒具有更高的纵向松弛度(r₁)用于Gd₂O_3.@PCD和Gd-DOTA (Dotarem)的值为3.98 mM⁻¹·年代⁻¹±0.003和2.71 mM⁻¹·年代⁻¹±0.005。随后获得冠状面相同的MR图像，以创建右侧腋窝淋巴结的时间强度曲线并测量对比度(CR)。评估5个时间点腋窝淋巴结的CR峰值及定性评价。皮下注射后，小鼠腋窝淋巴结与肿瘤的对比出现Gd的CR峰值₂O_3.@PCD和Dotarem，淋巴结分别为2.21±0.06和0.40±0.004，肿瘤分别为2.54±0.04和1.21±0.007。此外，腰主动脉淋巴结在原始冠状位图像中可见较弱。综上所述，Gd₂O_3.@PCD纳米颗粒作为新型MRMI ca能够高分辨率检测小鼠淋巴结转移，具有乳腺癌诊断成像的潜在能力。